直方图均衡matlab代码，付图片

直方图均衡化是一种图像处理技术，用于增强图像的整体对比度，特别是在图像的亮度分布较为集中或不均匀时效果显著。在MATLAB中，我们可以利用内置函数`histeq`实现这一过程，但同样，也可以自定义代码来实现。标题提到的是一个自编的MATLAB代码实现，下面将详细介绍直方图均衡化及其MATLAB实现，并结合描述中的“lena经典图片”进行实例讲解。 直方图均衡化的基本思想是通过对图像的灰度级进行非线性变换，使得经过处理后的图像具有更均匀的分布，从而提高图像的视觉效果。具体步骤包括以下几个关键部分： 1. **计算原始图像的直方图**：图像的直方图展示了每个灰度级出现的频率，可以反映出图像的亮度分布情况。 2. **累积分布函数（CDF）**：直方图的累积分布函数表示了图像中所有像素灰度值小于或等于特定值的概率。在MATLAB中，可以使用`cumsum`函数对直方图进行累加得到CDF。 3. **非线性映射**：将CDF映射到新的灰度级空间，以实现直方图均衡化。新的灰度级范围通常与原图像相同，但分布更均匀。 4. **应用映射到图像**：使用上述非线性映射关系，将原图像的每个像素灰度值转换为新的灰度值。 MATLAB的内置函数`histeq`实现了这个过程。使用示例： ```matlab img = imread('lena.jpg'); % 读取lena经典图片 h_eq = histeq(img); % 使用内置函数histeq进行直方图均衡化 imshow(h_eq); % 显示处理后的图像 ``` 如果使用自编的MATLAB代码，实现步骤大致如下： ```matlab % 读取图像 img = imread('lena.jpg'); gray_img = rgb2gray(img); % 转换为灰度图像 % 计算直方图 histogram = imhist(gray_img); % 计算累积分布函数 cdf = cumsum(histogram) / sum(histogram); % 构建映射关系 num_bins = length(cdf); mapping = linspace(0, 1, num_bins); % 新的灰度级范围 mapping = mapping(cdf >= 0.5 & cdf <= 1); % 保证映射在有效范围内 % 应用映射 eq_img = interp1(cdf, mapping, gray_img, 'nearest', 'extrap'); % 非线性映射 % 显示图像 figure; subplot(1, 2, 1), imshow(gray_img), title('原始图像'); subplot(1, 2, 2), imshow(eq_img), title('直方图均衡化后'); ``` 以上代码中，`interp1`函数用于将原图像的灰度值映射到新的灰度级空间。注意，自编代码可能需要根据实际情况调整，例如处理边界问题和防止溢出等。 通过直方图均衡化，可以有效地改善图像的对比度，特别是在处理一些低对比度或者噪声较多的图像时。对于"lena经典图片"这样的图像，直方图均衡化可以使图像细节更加清晰，颜色层次感更强。